Malý tým a AI: jak dnes funguje moderní agentura

Dřív platilo jednoduché pravidlo: chceš víc udělat, najmi víc lidí. Agentura rostla počtem hlav a velikost byla důkazem schopnosti. Tohle pravidlo přestává platit. Zajímavější metrikou dnes není počet lidí v týmu, ale kolik hodnoty dokáže vytvořit jeden člověk, když má za sebou dobré nástroje a systémy. V DIGITAL WOLF stavíme celou agenturu právě kolem téhle otázky. Níže ukážu na datech, co se konkrétně mění a proč to nevede k „agentuře bez lidí“, ale k něčemu jinému.

Co se opravdu mění v ekonomice malých týmů

Nejviditelnějším signálem je růst byznysů jednoho člověka. Podle amerického Census Bureau přesáhlo v roce 2023 hranici milionu dolarů obratu 117 060 firem bez zaměstnanců — dvojnásobek oproti 57 822 v roce 2021. Zároveň podíl startupů se solo zakladatelem vzrostl z 23,7 % v roce 2019 na 36,3 % v první polovině roku 2025. To nejsou náhodné výkyvy, ale trend: infrastruktura, no-code nástroje a AI posouvají laťku toho, co zvládne malý tým.

Pro agenturu to znamená posun v ekonomice. Když jeden člověk zvládne víc, mění se struktura nákladů i to, co si vlastně prodáváme. Přestává jít o „člověkohodiny“ a začíná jít o výsledek a rychlost, s jakou k němu dojdeme. Praktický důsledek: malý, dobře vybavený tým může konkurovat velké agentuře na projektech, kde dřív rozhodovala kapacita.

Neznamená to, že lidí je najednou potřeba méně. Znamená to, že se posouvá, co od nich čekáme. Rutinní kroky bere stroj, takže čas lidí se přesouvá k práci, kterou stroj neumí — pochopit zadání za zadáním, rozhodnout o směru, ohlídat kvalitu. Tým se nescvrkává, spíš se posouvá výš v hodnotovém řetězci.

AI jako páka, ne náhrada myšlení

Efekt AI na produktivitu je měřitelný, ale je vybíravý. V kontrolovaném experimentu GitHubu dokončili vývojáři s nástrojem Copilot stejnou úlohu o 55 % rychleji než skupina bez něj (průměrně 1 hodina 11 minut oproti 2 hodinám 41 minutám). To je páka, o jaké se před pár lety nedalo mluvit.

Jenže stejně poctivě je potřeba ukázat i druhou stranu. Nezisková organizace METR nechala 16 zkušených open-source vývojářů řešit reálné úlohy ve vlastních, roky známých projektech. Vývojáři čekali, že jim AI ušetří čtvrtinu času — ve skutečnosti byli s AI o 19 % pomalejší a ani po skončení si toho nevšimli. Rozdíl mezi oběma studiemi je celé jádro věci: AI dramaticky pomáhá tam, kde je zadání jasné a standardní, a umí uškodit tam, kde rozhoduje hluboký kontext, vysoká laťka kvality a zkušený úsudek.

Proto o AI mluvím jako o páce, ne jako o náhradě přemýšlení. Páka zesílí sílu, kterou do ní vložíte — ale směr, do kterého tlačíte, musíte určit vy. V praxi to znamená, že hodnota se přesouvá od „napsat to“ k „vědět, co a proč napsat, a poznat, kdy to model plete“. Úsudek, vkus a odpovědnost za výsledek se nedají delegovat na model.

Proč samotná adopce ještě není hodnota

Že AI používá skoro každý, už není novinka. Podle State of AI 2025 od McKinsey hlásí pravidelné využívání AI aspoň v jedné funkci 88 % organizací. Zajímavější je propast za tímto číslem: dopad na celofiremní zisk zatím vidí jen menšina firem a jen zlomek patří mezi „high performery“, kteří z AI vytěžili nadprůměrnou hodnotu. Odlišuje je jedna věc — 21 % organizací kvůli AI zásadně přepracovalo aspoň některé pracovní postupy.

To je pro malé týmy klíčové zjištění. Nasadit nástroj je snadné a levné. Hodnotu ale nevytvoří samotný nástroj, nýbrž systém kolem něj: jak vypadá proces před ním a za ním, kde do něj vstupuje člověk, jak měříte kvalitu výstupu. Kdo jen přilepí AI na starý proces, dostane zrychlený starý proces. Kdo proces přestaví okolo toho, co AI umí a neumí, získá jinou ekonomiku.

Sedí to i s tím, jak se AI reálně používá. Data z Anthropic Economic Indexu ukazují, že většina konverzací s modelem má charakter augmentace — společné iterace, ověřování, ladění — spíš než čisté automatizace, kdy člověk jen předá úkol a odejde. Model je nejužitečnější jako spolupracovník, kterému zadáváte směr a kontrolujete výstup.

Jak to stavíme v DIGITAL WOLF

Naši filozofii bych shrnul do tří vět. Za prvé: malý tým s vysokým poměrem výstupu na člověka je záměr, ne kompromis. Nechceme růst počtem hlav, ale schopností — každý člověk má za sebou nástroje a automatizace, které dělají opakující se práci za něj.

Za druhé: stavíme i vlastní projekty. Portfolio nástrojů a obsahových webů pro nás není vedlejšák, ale poligon. Na vlastních projektech testujeme, co AI a automatizace reálně zvládnou, kde se vyplatí a kde ne — a do klientské práce pouštíme jen to, co jsme si sami ověřili. Klient tak neplatí náš výzkum, dostává hotové know-how.

Za třetí: automatizujeme procesy, ale úsudek necháváme lidem. Rutinu — sběr podkladů, první drafty, přepisy, reporting — bereme jako práci pro stroj. Rozhodnutí o směru, kvalitě a tom, co klientovi doopravdy pomůže, zůstává na nás. Přesně na téhle hranici, mezi automatizovanou rutinou a lidským úsudkem, se dnes rozhoduje o kvalitě agentury.

Co si z toho odnést

Moderní agentura není definovaná velikostí, ale poměrem výstupu na člověka a kvalitou systémů kolem AI. Data ukazují tři věci: byznysy jednoho člověka rostou, AI je měřitelná páka na standardní práci, ale ne náhrada úsudku u té složité — a hodnotu z ní těží ti, kdo kvůli ní přestavěli procesy, ne ti, kdo ji jen zapnuli. Pro malý tým je to dobrá zpráva: rozhoduje chytrost systému, ne počet lidí.

Pokud přemýšlíte, kde by AI a automatizace ve vaší firmě reálně ušetřily čas — a kde by naopak jen přidaly hluk — rádi to s vámi v DIGITAL WOLF probereme na konkrétních procesech. Bez hype, s čísly a s otázkou, co to změní a pro koho.